3 步跑通第一个智能体LangChain.js 上手指南【免费下载链接】langchainjsThe agent engineering platform项目地址: https://gitcode.com/GitHub_Trending/la/langchainjs想让应用里的 AI 不只聊天还能真正干活——查知识库、调接口、处理多步任务却又被各家模型厂商各自为政的接口劝退。LangChain.js 就是冲着这个问题来的它用一套统一的抽象把模型输入输出、检索增强和智能体编排包起来让你用同样的方式接 OpenAI、Anthropic、Ollama 等厂商再把「模型自己决定下一步调什么工具」的循环交给框架。下面从安装讲到第一个 Agent以及哪些示例文件值得先看。LangChain.js 的定位LangChain.js 是一个用 TypeScript 写的智能体工程框架仓库对自己的定义就是 the agent engineering platform。它主要解决两个问题一是模型厂商的接口、消息格式、输出结构各不相同它用统一的 ChatModel 抽象把文本、多模态、结构化输出收口二是「模型决定接下来做什么」这条循环自己写很琐碎它把工具调用、状态、记忆交给 agent 运行时去管理。上图是仓库测试里的真实素材给模型一张网页截图做图像理解这类多模态输入正是它统一封装的场景之一。核心能力拆解模型 I/O一套参数接所有模型同一个 ChatModel 接口覆盖文本对话、图片/音频等多模态输入和函数调用换模型时只改厂商包和模型编号。仓库测试目录里甚至放了一张热狗图当固定测试素材用来验证模型看图说话的能力检索增强RAG让模型基于你的资料回答文档先用 loader 读进来经过文本切分、向量化后存进向量库提问时先检索出最相关的片段再拼进提示词。它解决的是「模型不知道你的内部资料」这个硬伤检索质量直接决定回答质量。智能体模型决定流程内存保持上下文连续这是核心部分createAgent创建的 Agent 会根据输入自己决定调哪个工具工具执行完把结果喂回模型循环推进直到任务完成。内存管理也归在这一节里——会话内的短期记忆和跨会话的长期存储Store都在创建 Agent 时一起配置好对话上下文自然连续不用你自己维护历史记录3 步从零跑通安装依赖主包加一个模型厂商包npm install -S langchain langchain/openai接模型从 OpenAI、Anthropic、Google、Ollama 里选一家创建对应的 Chat 模型类填 API key 和模型编号用本地 Ollama 的话连 key 都可以省。配置第一个 Agent调用createAgent只改三个字段——model上一步的模型实例、tools工具数组每个工具声明名称、描述和参数结构、store内存先用内存版。配置完直接invoke调用即可。它能帮你做什么场景 A个人多轮对话助手。给助手接上天气、日历、搜索这类工具它就能在多轮对话里记住上下文、中途调用工具、再把结果流式吐出来。个人向的改动集中在tools字段加工具就是往数组里加一项。场景 B企业知识库加业务流程。用仓库里的路由模式做底座先把用户问题分类再并行分发给分别负责 GitHub、Notion、Slack 等知识源的子 Agent最后汇总成一份回答。内部文档、工单、客户记录都能从同一个对话入口查业务规则写在路由和子 Agent 里不污染模型层。继续深入cookbook 里的教程内容如今都收敛在 examples/ 目录可以直接跑。先看这三个文件examples/src/createAgent/tools.ts — 智能体调用工具并把用户信息写入跨会话存储examples/src/multi-agent/router-knowledge-base.ts — 多 Agent 路由分类问题、并行查多个知识源再汇总examples/src/createAgent/streaming.ts — 把 Agent 的思考和输出流式推给前端适合谁TypeScript 栈开发者— Node、浏览器、Cloudflare Workers 都能跑不需要额外运行时多模型用户— OpenAI、Anthropic、Google、Ollama 等厂商各有独立包换模型只换依赖智能体开发者—createAgent加 agent 运行时把工具调用、状态、记忆打包处理想按需引入的团队— monorepo 里 langchain、langchain-core 和各 provider 包互相独立只装需要的部分下一步打开 examples/src/createAgent/tools.ts用你自己的 API key 跑一遍再把示例里的两个工具换成你真要查的东西你的第一个 Agent 就出来了。仓库结构和约定见根目录 README照着目录继续读。【免费下载链接】langchainjsThe agent engineering platform项目地址: https://gitcode.com/GitHub_Trending/la/langchainjs创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考